# Un metodo insegna agli agenti IA dai modelli black box

> I ricercatori propongono la distillazione on-policy comunicativa: i modelli più piccoli possono porre domande aperte a modelli black box più grandi e migliorare nelle attività di lunga durata.

Oossa · 2026-11-19 · https://oossa.com/it/new-method-lets-ai-agents-learn-from-black-box-teachers-via-natural-language

Lirui Luo e i coautori hanno pubblicato il 19 novembre 2026 uno studio sulla distillazione on-policy comunicativa (COPD). La tecnica permette a un modello allievo di decidere quando interrogare un modello black box insegnante usando domande in linguaggio naturale formulate liberamente, per poi addestrarsi con quelle interazioni senza ulteriore supporto del modello insegnante. Sul benchmark CAMG‑II, COPD ha ottenuto un miglioramento pari a 2.46 × quello del miglior metodo esistente di distillazione on-policy black box. Gli autori riferiscono progressi anche su Terminal‑Bench 2.1 e SWE‑Bench Pro V2.

## I fatti

- Studio pubblicato il 19 novembre 2026
- Su CAMG‑II, COPD migliora le prestazioni di 2.46 × rispetto al più forte metodo black box di riferimento

## Perché conta

Se il metodo funziona nella pratica, gli sviluppatori potrebbero potenziare gli agenti IA per attività complesse senza dover ottenere pieno accesso a modelli proprietari di grandi dimensioni.

## Fonti e riferimenti

1. [Communicative On-Policy Distillation: Distilling Black-Box Teacher Capabilities through Communication for Long-Horizon Tasks](https://arxiv.org/abs/2611.23673) – arXiv cs.LG, 2026-11-19

Ultimo aggiornamento: 2026-11-19
